I
IAAR-Shanghai/Awesome-AI-Memory
Awesome AI Memory | LLM Memory | A curated knowledge base on AI memory for LLMs and agents, covering long-term memory, reasoning, retrieval, and memory-native system design. Awesome-AI-Memory 是一个 集中式、持续更新的 AI 记忆知识库，系统性整理了与 大模型记忆（LLM Memory）与智能体记忆（Agent Memory） 相关的前沿研究、工程框架、系统设计、评测基准与真实应用实践。
agent-memoryai-memoryai-memory-systemawesome-ai-memorycontinual-learningllm-memorylong-term-memorymemory-augmented-modelsmemory-systemsragreasoning-over-time
PythonApache-2.0创建于 2025/12/1更新于 今天
README
由 Gemini 翻译整理
Awesome-AI-Memory
【English | 中文】
👋 引言
大语言模型 (LLMs) 已迅速演变为强大的通用推理与生成引擎。然而，尽管其能力不断增强，但 LLM 仍受到一个根本性局限的束缚：有限的上下文窗口（Context Window）。这一局限性限制了模型在单次推理过程中可直接访问的信息范围，使模型仅具备“短时记忆”能力。因此，它们难以支持长对话、个性化交互、持续学习以及复杂的多阶段任务。
为了超越上下文窗口的固有局限，面向 LLM 的 AI 记忆与记忆系统已成为一个至关重要且活跃的研究与工程前沿。通过在模型参数之外引入外部的、持久的且可控的记忆结构，这些系统使大模型能够在生成过程中存储、检索、压缩和管理历史信息。这种能力使模型能够在有限的上下文窗口内持续利用长期经验，从而实现跨会话的一致性与持续推理能力。
Awesome-AI-Memory 是一个致力于 AI 记忆与大语言模型记忆系统的综合性知识库，系统性地整理了相关的研究论文、框架工具与实践案例。本仓库旨在梳理 LLM 记忆系统领域快速发展的研究图景，连接自然语言处理、信息检索、智能体系统（Agent）及认知科学等多个学科。
🎯 仓库目标
我们的使命是建立一个集中式、持续更新的知识库，为研究人员和从业者提供有价值的参考，最终加速开发出具备长期记忆保留、持续推理能力以及随时间自适应演进的智能系统。
📏 项目范围
本仓库专注于扩展或增强大语言模型上下文窗口能力的记忆机制与系统设计，而非仅仅关注模型预训练或通用知识学习。内容涵盖理论研究与工程实践。
🌀 包含内容（In Scope）
- 面向大语言模型的记忆及记忆系统设计
- 模型参数之外的外部显式记忆
- 短时记忆、长时记忆、情景记忆（Episodic Memory）与语义记忆（Semantic Memory）
- 作为记忆访问机制的检索增强生成（RAG）
- 记忆管理策略（写入、更新、遗忘、压缩）
- 智能体（Agents）中的记忆系统
- 多智能体系统中的共享与协作记忆
- 受认知科学与生物记忆启发的记忆模型
- 与 LLM 记忆相关的评估方法、基准测试（Benchmarks）与数据集
- 面向记忆增强型 LLM 的开源框架与工具
🌀 不包含内容（Out of Scope）
- 与记忆无直接关联的通用模型预训练或扩展研究
- 不涉及记忆交互的纯参数化知识学习
- 与 LLM 无关的传统数据库或信息检索系统
- LLM 上下文之外的通用记忆系统（除非展示了直接的迁移价值）
🔔 近期热门研究与新闻
- 2026-03-15 - 🎉 更新 14 篇论文，均关于方法论
- 2026-03-08 - 🎉 更新 15 篇论文，包括 3 篇综述、2 篇系统与模型、5 篇基准测试、5 篇方法论
- 2026-03-02 - 🎉 向仓库添加了一个新的代码智能体
- 2026-02-27 - 🎉 更新 20 篇论文，包括 1 篇综述、2 篇系统与模型、2 篇基准测试、15 篇方法论
- 2026-02-26 - 🎉 更新 14 篇论文，均关于方法论
- 2026-02-14 - 🎉 更新 15 篇论文，包括 1 篇综述、12 篇方法论、1 篇基准测试、1 篇系统与模型
- 2026-02-09 - 🎉 更新 15 篇论文
- 2026-02-01 - 🎉 更新 16 篇论文，包括 9 篇方法论、4 篇基准测试、3 篇系统与模型
- 2025-12-24 – 🎉 发布仓库 V(1.0) 版本
- 2025-12-10 – 🎉 仓库创建
🗺️ 目录